P:
Jak firmy próbują dodać „prędkościomierz” do sztucznej inteligencji?
ZA:Niektóre firmy pracujące nad najnowszymi osiągnięciami sztucznej inteligencji koncentrują się na kwantyfikacji osiągniętych postępów i analizie porównawczej niektórych aspektów ewolucji sztucznej inteligencji w czasie. Istnieje wiele powodów, dla których firmy przeprowadzają tego rodzaju analizy. Zasadniczo próbują dowiedzieć się, jak daleko zaszła sztuczna inteligencja, jak ma ona zastosowanie do naszego życia i jak wpłynie na rynki.
Niektóre firmy dokonują burzy mózgów i monitorują postępy w zakresie sztucznej inteligencji, aby dowiedzieć się, w jaki sposób nowe technologie mogą wpływać na swobody obywatelskie lub jak mogą tworzyć nowe realia gospodarcze. W zależności od podejścia firmy, tego rodzaju analizy mogą przybierać formę próbowania dowiedzieć się, w jaki sposób dane użytkowników mogą przepływać przez systemy, zrozumienia, jak działają interfejsy, lub zastanowienia się, jakie możliwości mają jednostki sztucznej inteligencji i jak mogą je wykorzystać.
Jeśli chodzi o metody, firmy, które próbują przeprowadzić analizę porównawczą sztucznej inteligencji, mogą skupić się na rozkładaniu abstrakcyjnych informacji - na przykład artykuł Wired cytuje projekt AI Index, w którym pracują naukowcy tacy jak Ray Perrault, który pracuje w laboratorium non-profit SRI International na szczegółowym zdjęciu tego, co dzieje się w dziedzinie sztucznej inteligencji.
„Jest to coś, co należy zrobić, po części dlatego, że istnieje tyle szaleństwa na temat tego, dokąd zmierza AI”, mówi Perrault w artykule, komentując motywację do podjęcia tego rodzaju projektu.
Wyjaśniając, jak działa analiza porównawcza sztucznej inteligencji, niektórzy eksperci wyjaśniają, że inżynierowie lub inne podmioty mogą próbować przeprowadzić „trudne testy” projektów sztucznej inteligencji, na przykład próbując „oszukać” lub „pokonać” systemy sztucznej inteligencji. Tego rodzaju opis naprawdę dociera do sedna tego, w jaki sposób firmy mogą naprawdę monitorować i oceniać sztuczną inteligencję. Jednym ze sposobów myślenia o tym jest zastosowanie tego samego rodzaju pomysłów, które programiści używali w przeszłości do debugowania systemów kodu liniowego.
Debugowanie systemów kodu liniowego polegało na znalezieniu miejsc, w których system działałby dobrze - gdzie program się zawiesił, gdzie zawiesiłby się, gdzie działałby wolno itp. Chodziło o znalezienie miejsca, w którym błędy logiczne zatrzymałyby lub zakłócały projekt, gdzie funkcja nie działałaby poprawnie lub gdzie może wystąpić niezamierzone zdarzenie użytkownika.
Kiedy się nad tym zastanowić, współczesne testowanie sztucznej inteligencji może być podobnym przedsięwzięciem na zupełnie innej płaszczyźnie - ponieważ technologie sztucznej inteligencji są bardziej poznawcze niż liniowe, to testowanie przybiera znacznie inną formę, ale ludzie wciąż szukają „błędów” ”- sposoby, w jakie programy te mogą mieć niezamierzone konsekwencje, sposoby działania i szkodzenia instytucjom ludzkim itp. Mając to na uwadze, chociaż istnieje wiele różnych rozbieżnych metod tworzenia prędkościomierza lub punktu odniesienia dla postępu sztucznej inteligencji, rodzaje ciężkie testy opisane powyżej dadzą ludziom unikalny wgląd w to, jak daleko zaszła sztuczna inteligencja i co należy zrobić, aby dostarczać więcej pozytywów bez rozwijania kolejnych negatywów.
